基于深度信念网络的UI自动化测试方法、存储介质技术

本发明专利技术提供基于深度信念网络的UI自动化测试方法、存储介质，方法包括：输入DBN网络的待测试图像经过RBM训练后，获取其中所有的特征信息；输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；匹配所述学习结果与标准图像信息。本发明专利技术不仅能够显著提高UI自动化测试的效率，同时大大降低实施测试的难度；而且能减少所需投入的成本，提高收获比；可适用于任意UI的自动化测试，从而同时具备高复用性和普适性。

UI Automated Testing Method and Storage Medium Based on Deep Belief Network

【技术实现步骤摘要】
基于深度信念网络的UI自动化测试方法、存储介质
本专利技术涉及软件测试领域，具体涉及基于深度信念网络的UI自动化测试方法、存储介质。
技术介绍
现有的软件测试技术中针对UI自动化测试的方案为，依据页面的元素使用python或java等语言，在框架中编写一套自动化代码进行识别。识别过程为通过识别页面元素的特征(id、属性classname、实例xpath等)进行点击触发行为来进行操作，并通过assert函数进行判断是否与给定的预计结果一致；当有错误时，页面停止进行UI自动化并输出log，当正确时会把所写的脚本完成来确认测试通过。但是上述UI自动化测试方案存在以下问题：(1)需要所测内容保持长期的页面稳定性，否则，当页面发生变化或软件停止使用时，维护成本较高；(2)由于每次编写UI自动化需要对页面每个元素进行确认是否存在，需要在编写投入较多工时人力，当软件生命周期不长时，很容易造成投入收获比增高；(3)编写UI自动化需要掌握一些脚本语言，比如python、java等，对于普及并无法做到很好，需要投入时间进行学习；(4)不同的页面编写UI自动化需要的操作要求不同，H5页面的编写和原生页面编本文档来自技高网...

【技术保护点】
1.基于深度信念网络的UI自动化测试方法，其特征在于，包括：输入DBN网络的待测试图像经过RBM训练后，获取其中所有的特征信息；输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；匹配所述学习结果与标准图像信息。

【技术特征摘要】
1.基于深度信念网络的UI自动化测试方法，其特征在于，包括：输入DBN网络的待测试图像经过RBM训练后，获取其中所有的特征信息；输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习后输出DBN网络的学习结果；匹配所述学习结果与标准图像信息。2.如权利要求1所述的基于深度信念网络的UI自动化测试方法，其特征在于，所述待测试图像经过至少两层RBM训练。3.如权利要求2所述的基于深度信念网络的UI自动化测试方法，其特征在于，所述待测试图像经过至少两层RBM训练后，获取其中所有的特征信息，具体为：提取所述待测试图像中的初始特征向量；依据DBN网络对应第一层RBM的第一初始权值，将所述初始特征向量映射到第一特征空间中，获取第一特征向量；依据对应第二层RBM的第二初始权值，将所述第一特征向量映射到第二层特征空间中，获取第二特征向量；经过至少两层RBM的映射后，输出映射到最后一层特征空间后获取的特征向量作为特征信息。4.如权利要求2所述的基于深度信念网络的UI自动化测试方法，其特征在于，所述输入所述特征信息至以标准图像信息为标准标注信息的BP神经网络中进行深度学习...

【专利技术属性】
技术研发人员：刘德建，陈聪惠，陈伟，程兰云，林剑锋，于恩涛，范剑敏，李茵茵，林琛，
申请(专利权)人：福建天晴数码有限公司，
类型：发明
国别省市：福建,35